该论文提出了TSAI-MetaFraud，一个面向元宇宙生态系统金融欺诈交易和行为风险检测的多模态、多任务基准数据集。随着元宇宙平台虚拟经济的发展，欺诈、机器人和非法金融行为等新挑战日益突出。现有数据集通常孤立地关注用户行为、身份验证或金融交易，限制了多模态欺诈检测方法的开发和可重复评估。为此，TSAI-MetaFraud整合了行为、交易和图结构信息，同时包含现实的欺诈和自动化机器人场景。论文定义了多个基准任务，包括交易欺诈检测、跨模态节点分类、时序链路预测和弱监督欺诈检测，并利用机器学习和图神经网络模型提供了基线评估。该数据集通过统一虚拟经济中行为活动、金融交互和关系结构的联合捕获，为推进多模态学习、图挖掘、欺诈分析和可信AI在元宇宙生态系统中的应用提供了基准。适合对元宇宙安全、金融欺诈检测、多模态学习感兴趣的研究人员阅读。

本文首次揭示了在元宇宙/VR 场景中，利用头戴式显示器中原本用于追踪运动的惯性传感器（如加速度计、陀螺仪）来重建用户大脑 EEG 信号，从而窃取超出可视行为范围的隐私信息（如用户正在感知的脑内图像、对视听刺激的神经反应等）。核心思想是：VR 头盔的内置运动传感器能够捕捉到由瞳孔反应引起的细微振动，而瞳孔反应与用户的视觉刺激和脑内感知高度相关。作者设计并实现了 BraVeSpy 系统，通过采集运动传感器数据，利用机器学习模型重建与大脑 EEG 相关的表示，进而推断敏感信息。实验采用多种 VR 设备，结果表明：首次在元宇宙中实现了对不可观察的隐私泄露——以 52.0%-67.2% 的准确率重建脑内感知图像；在推断用户活动相关的敏感信息（如指纹识别网站、应用、流媒体视频）时准确率超过 85.0%；在用户去匿名化、目光移动跟踪和虚拟按键推断上准确率超过 96.0%。该工作揭示了运动传感器作为侧信道的新攻击向量，突破了以往仅能推断可观察行为的限制，对元宇宙隐私安全构成严重威胁。